/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Опубликована
2 мар 2022

distilbert-base-multi-cased-finetuned-typo-detection

Разметка токеновТекст → label7 профессий

Многоязычная модель на DistilBERT находит опечатки в тексте, помечая ошибочные токены.

29скачиваний за 30 дней6лайковвеса обновлены26 мар 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Многоязычная модель Manuel Romero для обнаружения опечаток в тексте. Она основана на distilbert-base-multilingual-cased и дообучена на GitHub Typo Corpus с разметкой в стиле NER: модель классифицирует токены, отмечая ошибочные фрагменты. Подходит для автоматической проверки текста и поиска опечаток в пользовательском вводе, например в сообщениях и кодовых комментариях.

В README указаны результаты на тестовом наборе: F1 93,51, точность 96,08 и полнота 91,06. Модель использует архитектуру DistilBERT для классификации токенов, принимает текст и имеет контекст до 512 токенов. Карточка сообщает об обучении на корпусе для 15 языков; среди языков, перечисленных в метаданных, есть английский, китайский, японский, русский, французский, немецкий, португальский, испанский, корейский и хинди. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск опечаток в сообщениях пользователей
  • проверка текста перед публикацией
  • поиск ошибок в комментариях к коду
  • автоматическая разметка ошибочных слов в многоязычном корпусе

Ограничения

Модель обнаруживает опечатки, но README не сообщает о возможности исправлять их. Указанные метрики относятся к тестовому набору GitHub Typo Corpus и не гарантируют аналогичного качества на других типах текста.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DISTILBERT 🌎 + Typo Detection ✍❌✍✔

distilbert-base-multilingual-cased fine-tuned on GitHub Typo Corpus for typo detection (using NER style)

Details of the downstream task (Typo detection as NER)

Metrics on test set 📋

Metric# score
F193.51
Precision96.08
Recall91.06

Model in action 🔨

Fast usage with pipelines 🧪

from transformers import pipeline

typo_checker = pipeline(
    "ner",
    model="mrm8488/distilbert-base-multi-cased-finetuned-typo-detection",
    tokenizer="mrm8488/distilbert-base-multi-cased-finetuned-typo-detection"
)

result = typo_checker("Adddd validation midelware")
result[1:-1]

# Output:
[{'entity': 'ok', 'score': 0.7128152847290039, 'word': 'add'},
 {'entity': 'typo', 'score': 0.5388424396514893, 'word': '##dd'},
 {'entity': 'ok', 'score': 0.94792640209198, 'word': 'validation'},
 {'entity': 'typo', 'score': 0.5839331746101379, 'word': 'mid'},
 {'entity': 'ok', 'score': 0.5195121765136719, 'word': '##el'},
 {'entity': 'ok', 'score': 0.7222476601600647, 'word': '##ware'}]

It works🎉! We typed wrong Add and middleware

Created by Manuel Romero/@mrm8488

Made with ♥ in Spain

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForTokenClassification
Ревизия весов
10caef7

0 моделей